Nat Lambert 完成 RLHF 著作,附 10 小时课程和训练代码
natolambert · x · 2026-07-21
Nat Lambert 说自己写的《Reinforcement Learning from Human Feedback》已经完成。
- 这本书是他在学习模型微调、对齐和后训练时，最想拥有的入门资源。
- 随书发布的内容很完整：10+ 小时课程、幻灯片、训练章节的可运行代码，以及一个模型 completions 示例库。
- 还有免费在线版；Manning 纸质书预计 1–2 周发货，Amazon 版本会晚一点。
- 他表示，书里尽量融入了自己在 Olmo 项目中的经验，而且主要是从 2024 年起利用晚上和周末完成的。
所属事件:Nat Lambert 宣布 RLHF 新书完稿，附超 10 小时课程(11 条相关)→
「研究」频道最新
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11